GCS-ICHNet: Assessment of Intracerebral Hemorrhage Prognosis using Self-Attention with Domain Knowledge Integration

要約

脳内出血 (ICH) は、損傷した脳血管の破裂に起因する重篤な状態であり、多くの場合、合併症や死亡につながります。
死亡率が高いため、タイムリーで正確な予後と管理が不可欠です。
しかし、従来の方法は臨床医の主観的な専門知識に大きく依存しており、不正確な診断や治療の遅れにつながる可能性があります。
臨床医を支援するために人工知能 (AI) モデルが検討されてきましたが、これまでの研究の多くは、領域知識を考慮せずにモデルの修正に焦点を当てていました。
この論文では、マルチモーダル脳 CT 画像データと Glasgow Coma Scale (GCS) スコアを統合して ICH 予後を改善する、新しい深層学習アルゴリズム GCS-ICHNet を紹介します。
このアルゴリズムは、評価に変圧器ベースの融合モジュールを利用します。
GCS-ICHNet は、81.03% の高い感度と 91.59% の特異度を示し、平均的な臨床医やその他の最先端の方法を上回ります。

要約(オリジナル)

Intracerebral Hemorrhage (ICH) is a severe condition resulting from damaged brain blood vessel ruptures, often leading to complications and fatalities. Timely and accurate prognosis and management are essential due to its high mortality rate. However, conventional methods heavily rely on subjective clinician expertise, which can lead to inaccurate diagnoses and delays in treatment. Artificial intelligence (AI) models have been explored to assist clinicians, but many prior studies focused on model modification without considering domain knowledge. This paper introduces a novel deep learning algorithm, GCS-ICHNet, which integrates multimodal brain CT image data and the Glasgow Coma Scale (GCS) score to improve ICH prognosis. The algorithm utilizes a transformer-based fusion module for assessment. GCS-ICHNet demonstrates high sensitivity 81.03% and specificity 91.59%, outperforming average clinicians and other state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google